sphinx 千万级数据库全文索引

一、编译先前条件 确认是否已经安装以下软件,有些也许不是必须的,但建议还是都装上。 　
　   apt-get install autoconf automake autotools-dev cpp curl gawk gcc lftp libc6-dev linux-libc-dev make libpcre3-dev libpcrecpp0 g++ libtool libncurses5-dev 
　　aptitude install libmysql++-dev libmysqlclient15-dev checkinstall 　
  　apt-get install python python-dev 　
二、安装所需文件 所需文件列表 
　　mmseg-0.7.3.tar.gz　　　(中文分词)
　　mysql-5.1.26-rc.tar.gz　　(mysql-5.1.26源代码)
　  sphinx-0.9.8-rc2.tar.gz　　　(sphinx-0.9.8-rc2源代码)
　  fix-crash-in-excerpts.patch　　(sphinx支持分词补丁)
     sphinx-0.98rc2.zhcn-support.patch　　（sphinx支持分词补丁www.sphinxsearch.com）
 　文件可以到官方下载，附件中我将会提供该系列文件。 　
三、开始安装 　　

    先将以上文件传到 root目录下 　　

      1、 mmseg-0.7.3 安装 　

            先解压安装文件 tar -zxvf mmseg-0.7.3.tar.gz 　　

                               cd mmseg-0.7.3/ 　　

                               ./configure 　　

                               make（这步可能会出现错误，与编译器有关。在出错的文件头部加入#include <string.h> 就行了）

                          　　make install

                         　　cd ../ 　　

      到此mmseg安装完毕。可以尝试 输入mmseg 命令,看是否已经安装成功 　　

     2、 安装MySQL 5.1.26-rc、Sphinx、SphinxSE存储引擎 　　

            先解压 mysql和sphinx源文件 　

            　 tar zxvf mysql-5.1.26-rc.tar.gz 　　

                tar zxvf sphinx-0.9.8-rc2.tar.gz 　　

        然后给sphinx打上补丁，这个是支持中文必须打的补丁 　　

                cd sphinx-0.9.8-rc2/ 　　(请确认已经安装了patch，如果没有者 使用 apt-get install patch 安装)

                patch -p1 < ../sphinx-0.98rc2.zhcn-support.patch 　　

                patch -p1 < ../fix-crash-in-excerpts.patch 　　

        接着将sphinx下的mysqlse 文件夹下的数据拷贝到mysql-5.1.26-rc/storage/sphinx 下面(这样才能在编译mysql的时候把SphinxSE存储引擎编译进去)

            　cp -rf mysqlse ../mysql-5.1.26-rc/storage/sphinx 　

            　到/mysql-5.1.26-rc/storage/sphinx目录下确认文件是否已经拷贝成功 　　

                cd ../ 　　

        下面我们来编译安装mysql-5.1.26-rc 　　

                cd mysql-5.1.26-rc/ 　　

                sh BUILD/autorun.sh

         这步是必须的,请勿遗漏 　　使用configure命令确认安装 　　

                ./configure --prefix=/usr/local/mysql --with-charset=utf8 --with-extra-charsets=all --with-plugins=sphinx 　　

                确认是否提示可使用make编译,如果是。执行 　　

                make 　　

        这步执行时间比较长，一般在10-20分钟，主要看个人电脑配置。编译成功后.再执行安装命令(如果出现error,需要重新编译,一般80%的error都是编译环境没有装好(个人编译体会)) 　　

                make install

        这个过程大概需要1分钟不到的时间，这样mysql就已经安装完毕了下面我们来配置和启动mysql。

     　　添加mysql用户组和用户 　　

                groupadd mysql 　　

                useradd –g mysql mysql 　　

        给mysql所在目录添加mysql用户权限 　　

                chown mysql:mysql /usr/local/mysql –R 　　

        将my-medium.cnf 拷贝到安装根目录 　　

                cp /usr/local/mysql/share/mysql/my-medium.cnf /usr/local/mysql/my.cnf 　　

        给my.cnf文件添加mysql用户权限 　　

                chown mysql:mysql /usr/local/mysql/my.cnf 　　

        然后修改my.cnf配置，在skip-external-locking上面插入(配置可以自定义)

                user= mysql 　　

                pid-file= /usr/local/mysql/mysql.pid 　　

                socket= /tmp/mysq.sock 　　

                port= 3306 　　

                basedir= /usr/local/mysql 　　

                datadir= /usr/local/mysql/data 　　

                tmpdir= /tmp                 

                language= /usr/local/mysql/share/mysql/English 　　

        将里面的# –skin-dbd 注释掉,否则在执行启动mysql命令 时会报错误 　　

        为了能在ubuntu系统下方便的使用mysql, 我们还需要安装 mysql-client-5.0 (客户端)

            　　apt-get install mysql-client-5.0 　

        初始化数据库 　　

                /usr/local/mysql/bin/mysql_install_db --defaults-file=/usr/local/mysql/my.cnf --user=mysql 　　

        执行结果 　　

                Installing MySQL system tables... 　　

                080917 14:36:16 [Warning] Storage engine 'SPHINX' has conflicting typecode. Assigning value 42. 　　OK 　　

                Filling help tables... 　　

                080917 14:36:16 [Warning] Storage engine 'SPHINX' has conflicting typecode. Assigning value 42. 　　

                OK 　　……………….. 　　

        以上提示表示执行成功 　　

        此时你会发现/user/local/mysql 目录下多了一个data文件夹，这文件夹里存放的是mysql数据内容，

        我们需要给该目录赋予用户权限和写的权限 　　

                chown mysql:mysql -R /usr/local/mysql/data/ 　　

                chmod -R o+w /usr/local/mysql/data/ 　　

        将mysql.server 拷贝成 /etc/init.d/mysqld 文件 　　

                cp /usr/local/mysql/share/mysql/mysql.server /etc/init.d/mysqld 　　

        并给mysqld添加执行权利

                chmod 700 /etc/init.d/mysqld 　　

        通过执行 　　

                /etc/init.d/mysqld start

        启动mysql 也可以使用stop | restart 等一些命令 　　

        然后我们输入mysql 命令，进去 　　

                Mysql> 　　输入 　　show engines; 　　

        此时我们可以看到已经包含sphinxSE 引擎 　　到此myql部分启动完毕

 　　接着我们来安装sphinx-0.9.8-rc2 　　

                cd sphinx-0.9.8-rc2/ 　　

                CPPFLAGS=-I/usr/include/python2.4 　　

                LDFLAGS=-lpython2.4 　　

                ./configure --prefix=/usr/local/sphinx --with-mysql=/usr/local/mysql 　　

                make 　　

                make install 　　

                cd ../ 　　

        安装完成后 　　

        将sphinx.conf.dist拷贝成sphinx.conf文件 　　

                cp /usr/local/sphinx/etc/sphinx.conf.dist /usr/local/sphinx/etc/sphinx.conf 　

        　修改sphinx.conf中的配置如下：(配置可以自定义) 　　

                sql_host= localhost 　　

                sql_user= root 　　

                sql_pass=

                sql_db= test 　　

                sql_port= 3306 　　

        加载索引 　　

                /usr/local/sphinx/bin/indexer --config /usr/local/sphinx/etc/sphinx.conf --all 　　注: 先要给libmysqlclient.so.16 建立软链接 　　

                ln -s /usr/local/mysql/lib/mysql/libmysqlclient.so.16 /usr/lib/libmysqlclient.so.16 　　再通过 　　

                /usr/local/sphinx/bin/searchd --config /usr/local/sphinx/etc/sphinx.conf  开启索引监听 　　

        为了下面测试方便，我们先将sphinx.conf自带的example.sql脚本倒入的mysql中

                mysql < /usr/local/sphinx/etc/example.sql  //创建了一个test库，并建立了documents测试表和数据 　　

        到此安装部分基本结束，大功告成了一半，下面我们来谈谈他们的使用。 　　

  四、开始使用 　　

    1、 在mysql中的使用SphinxSE方式调用Sphinx 　　

            首先建立一张索引专用表： 　　

                CREATE TABLE `sphinx` ( 　　

                                    `id` int(11) NOT NULL, 　　

                                    `weight` int(11) NOT NULL, 　　

                                    `query` varchar(255) NOT NULL, 　　

                                    `CATALOGID` INT NOT NULL, 　　

                                    `EDITUSERID` INT NOT NULL, 　　

                                    `HITS` INT NULL, 　　

                                    `ADDTIME` INT NOT NULL,　

                                    KEY 　　`Query` (`Query`) 　　) ENGINE=SPHINX DEFAULT CHARSET=utf8 CONNECTION='sphinx://localhost:3312/test1' 　　

            test1：索引的名称，可以在sphinx.conf中查找到 　　

            建立完索引专用表后，我们就可以在mysql中使用它了，例如，在mysql中输入 　　

                SELECT doc. * FROM documents doc JOIN sphinx ON ( doc.id = sphinx.id ) 　　WHERE query = 'doc;mode= any ' 　

        　运行后，结果记录中将会显示包含doc字符串的所用记录行 　　

        关于query的语法，还有sphinx的配置等信息你可以请参考：http://www.sphinxsearch.com/doc.html 这里有十分详细的介绍，在这里我们只做一个简单的介绍，希望能起到抛砖引玉的效果。 　

　2、 中文分词的应用 　　

        在应用之前我们先将apache2和 phpmyadmin装上，以便输入中文进行测试 　

            　apt-get install apache2 　　

               apt-get install phpmyadmin 　　

            访问：http://192.168.2.249/phpmyadmin/ 出现了熟悉的界面，ok，安装成功.

            接着我们需要修改/etc/php5/apache2/php.ini 中的 　　

            mysql.default_socket 值 设置成 /tmp/mysql.sock 　　

            这样我们就可以在http://192.168.2.249/phpmyadmin/ 上通过root用户(密码空) 访问mysql了 　　

            生成和使用分词字典 　　

                mmseg -u /root/mmseg-0.7.3/data/unigram.txt 　　

            将生成unigram.txt.lib 文件 　　

            将文件拷贝到

             /usr/local/sphinx/下面,命名为uni.lib 　　

                cp unigram.txt.lib /usr/local/sphinx/uni.lib 　　

            修改 sphinx.conf(/usr/local/sphinx/etc/sphinx.conf)配置文件 　　

            在索引中加入 　　

                charset_type = zh_cn.utf-8 　　        

                charset_dictpath = /usr/local/sphinx/ 　

            配置，然后通过 　　

                /usr/local/sphinx/bin/indexer --config /usr/local/sphinx/etc/sphinx.conf –all 　　(如果searchd已经再运行，先kill 它再运行,下一部分，我们会介绍怎样在searchd运行的状态下，加载索引) 重建索引,成功后，开启索引监听 　　

                /usr/local/sphinx/bin/searchd --config /usr/local/sphinx/etc/sphinx.conf 　　这样，就可以在phpmyadmin中进行测试了。 　　

                SELECT doc. * FROM documents doc JOIN sphinx ON ( doc.id = sphinx.id ) 　　WHERE query = '张学友;mode= any ' 　　

            注意：在添加完数据后，需要重新加载索引，这样新的数据才能被缓存进去五、实际应用介绍。

       　　通过以上的介绍，现在我们已经基本能使用这套东西了，下面我们来对索引的管理做一些介绍。

        实时更新索引 　　

            在实际应用中往往有这么一种情况，数据库数据很大，比如我们的歌曲表，如果我们每次都去更新整个表的索引，对系统得开销将非常大，显然这是不合适，这时我们会发现，每天我们需要更新的数据相比较而言较少，在这种情况下我们就需要使用“主索引+增量索引”的模式来实现实时更新的功能。 这个模式实现的基本原理是设置两个数据源和两个索引，为那些基本不更新的数据建立主索引，而对于那些新增的数据建立增量索引。主索引的更新频率我们可以设置的长一些(可以设置在每天的午夜进行更新)，而增量索引的更新频率，我们可以将时间设置的很短(几分钟左右)，这样在用户搜索的时候，我们可以同时查询这两个索引的数据。 　　

            下面，我们通过一个简单的例子来描述一下怎样实现这种模式。以sphinx.conf中默认的数据为例: 　　

                    先在mysql中插入一个计数表和两个索引表 　　

                CREATE TABLE sph_counter ( 　　

                        counter_id INTEGER PRIMARY KEY NOT NULL, 　　

                        max_doc_id INTEGER NOT NULL ); 　

              主索引使用(确认之前是否已经建立过该表，如果已经建立，这里就不需要重新建了) 　　

                CREATE TABLE `sphinx` ( 　　

                        `id` int(11) NOT NULL, 　　

                        `weight` int(11) NOT NULL, 　　

                        `query` varchar(255) NOT NULL, 　　

                        `CATALOGID` INT NOT NULL, 　　

                        `EDITUSERID` INT NOT NULL, 　　

                        `HITS` INT NULL, 　　

                        `ADDTIME` INT NOT NULL,　

                        KEY 　　`Query` (`Query`) ) ENGINE=SPHINX DEFAULT CHARSET=utf8 CONNECTION='sphinx://localhost:3312/test1' 　　

                增量索引使用 　　

                CREATE TABLE `sphinx1` ( 　　

                        `id` int(11) NOT NULL, 　　

                        `weight` int(11) NOT NULL, 　　

                        `query` varchar(255) NOT NULL, 　　

                        `CATALOGID` INT NOT NULL, 　　

                        `EDITUSERID` INT NOT NULL, 　　

                        `HITS` INT NULL, 　　

                        `ADDTIME` INT NOT NULL,　

                        KEY `Query` (`Query`) )ENGINE=SPHINX DEFAULT CHARSET=utf8 CONNECTION='sphinx://localhost:3312/ test1stemmed '

                数据库操作完毕后再来配置sphinx.conf 　　　　

                source src1 　　{ 　　　　　　　　　

                        sql_query_pre = REPLACE INTO sph_counter SELECT 1, MAX(id) FROM documents sql_query　= " SELECT id, group_id, UNIX_TIMESTAMP(date_added) AS date_added, title, content " 　　　　　　　　　　　　　　                            FROM documents " WHERE id<=( SELECT max_doc_id FROM sph_counter WHERE counter_id=1 )  ………….. //其他可以默认 　　　　　

                                        } 　　　　

                source src1throttled : src1 　　{ 　　　　

                        sql_ranged_throttle= 100

                        sql_query= " SELECT id, group_id, UNIX_TIMESTAMP(date_added) AS date_added, title, content "  FROM documents " WHERE id>( SELECT max_doc_id FROM sph_counter WHERE    counter_id=1 ) 　　} 　　index test1

                　　　//主索引 　　

                    {  source= src1 　………. ｝ 　　index test1stemmed : test1　　　

                        //增量索引

              　　{ source= src1throttled ……}

            配置完成后，我在通过 　　

                    /usr/local/sphinx/bin/indexer --config /usr/local/sphinx/etc/sphinx.conf –all   和 　　

                    /usr/local/sphinx/bin/searchd --config /usr/local/sphinx/etc/sphinx.conf 　　

            重新加载索引，执行成功后我们就可以来使用它了。 　　

            你可以往documents表中添加新的数据，比如我们插入一条这样的数据： 　　

                执行命令：

            　 　　SELECT doc.* FROM documents doc join sphinx on (doc.id=sphinx.id) where query='test'　 　　

            你会发现你刚添加的数据没有被检索出来 　　

                然后执行：

                　　SELECT doc.* FROM documents doc join sphinx１ on (doc.id=sphinx１.id) where query='test' 　　

            你会发现数据是空的，这时我们就需要来更新增量索引了。 　　

                通过执行：

                 　　/usr/local/sphinx/bin/indexer --rotate --config

                      /usr/local/sphinx/etc/sphinx.conf test1stemmed　

                命令来更新增量索引(正式使用时，我们可以将该命令配置到系统计划任务中，每格几分钟执行一次) 　　

                --rotate: 该参数可以使我们在不需要停止searchd的情况下，直接加载索引 　　

            执行完命令该命令后，我们再来查看一下增量索引的数据 　　

                    SELECT doc.* FROM documents doc join sphinx１ on (doc.id=sphinx１.id) where query='test' 　　

            你会发现新添加的数据被检索出来的。 　　

            主索引的更新： 　　

                    /usr/local/sphinx/bin/indexer --rotate --config /usr/local/sphinx/etc/sphinx.conf test1　(我们可以设置成每天的午夜执行) 　　

            只有在更新了主索引后， 　　

                    SELECT doc.* FROM documents doc join sphinx on (doc.id=sphinx.id) where query='test' 　　

                的结果才会被更新 　　

            我们也可以通过合并索引的方式使主索引的数据保持更新 　　

                通过执行 　　

                        /usr/local/sphinx/bin/indexer --merge test1 test1stemmed --merge-dst-range deleted 0 0 --rotate 　　

            可以将增量索引test1stemmed合并到主索引test1中去 　　

            注意：在你测试的过程中，mysql的查询缓存可能会给你带来一些困惑，所以测试时最好将其关闭。 　　

            关闭方法： 　　

                        set global query_cache_size = 0;　//禁止缓存开销 　　

            你可以通过　

                        SHOW VARIABLES LIKE '%query_cache%　来察看缓存状态 　　

  到此Mysql+sphinx+中文分词的应用部分介绍完毕了。 　　

            总结：对于这块的学习，我也是刚起步，有些地方可能介绍的不是很到位，希望读者不要在意， 　　

                读者可以参考http://www.sphinxsearch.com/doc.html 的文档，那里有非常详细的介绍，对初学者来说，我这篇文章或许能帮上点忙。